| Data | variable | Source | Unit | summarization_method |
|---|---|---|---|---|
| Distance to canal | jarak_kanal | NA | m | median |
| Distance to gambut biofisik | jarak_gambut | NA | m | median |
| FEG Budidaya in the village | persentase_feg_budidaya | KLHK | % | mean |
| FEG Lindung in the village | persentase_feg_lindung | KLHK | % | mean |
| Distance to sawit | jarak_sawit | LC ICRAF 2019 | m | median |
| Distnace to karet | jarak_karet | LC ICRAF 2019 | m | median |
| Distance to plantation (hutan tanaman) | jarak_hutan_tanaman | Peta Tutupan Lahan 2020 from KLHK | m | median |
| Distance to road | jarak_jalan | BIG | m | median |
| Distance to commodity processing factory | jarak_pabrik_pemrosesan | ICRAF (2016) | m | median |
| Distance to plantation concession | jarak_konsesi_kebun | RPPEG | m | median |
| Distance to forest | jarak_hutan_alami | Peta Tutupan Lahan 2020 from KLHK | m | median |
| Distance to river | jarak_sungai | BIG | m | median |
| Distance to burned area | jarak_area_terbakar | KLHK 2019 | m | median |
| Percentage of agricultural area (small holder) in the village | persentase_area_budidaya | Peta Tutupan Lahan 2020 from KLHK | % | mean |
| Percentage of plantation area per in the village | persentase_kebun | Peta Tutupan Lahan 2020 from KLHK | % | mean |
| Percentage of forested area in the village | persentase_hutan_alami | Peta Tutupan Lahan 2020 from KLHK | % | mean |
| Percentage of shrubland in the village | persentase_semak_belukar | Peta Tutupan Lahan 2020 from KLHK | % | mean |
| Percentage of water area compared to sub-district area | persentase_badan_air | Peta Tutupan Lahan 2020 from KLHK | % | mean |
| Distance to deforestation | jarak_deforestasi | Peta Tutupan Lahan 2020 from KLHK | m | median |
| Deforestation area size | luas_deforestasi | Peta Tutupan Lahan 2020 from KLHK | km² | mean |
| Arable land (%) | persentase_lahan_garapan_potensial | Peta Tutupan Lahan 2020 from KLHK | %/desa | mean |
| Indeks Bahaya Banjir | indeks_bahaya_banjir | RBI BNPB | index value | mean |
| Indeks Bahaya Longsor | indeks_bahaya_longsor | RBI BNPB | index value | mean |
| Buffer to 500m irigated land | persentase_terlayani_irigasi | BIG | % to desa | mean |
| Aridity index | indeks_kekeringan | WORLDCLIM 2.1 | index value | mean |
| Total KK berdasarkan pengguna dan non pengguna listrik | jumlah_kk | Potensi desa BPS 2021 | jumlah | mean |
| Persentase elektrifikasi | persentase_elektrifikasi | Potensi desa BPS 2021 | persen | mean |
| Jumlah SMA dan sekolah sederajat | jumlah_sma | Potensi desa BPS 2021 | jumlah | mean |
| Jarak terdekat menuju Rumah sakit | jarak_rs_terdekat | Potensi desa BPS 2021 | km | median |
| Jumlah fasilitas kesehatan selain rumah sakit | jumlah_faskes | Potensi desa BPS 2021 | jumlah | mean |
| Persentase surat tanda miskin yang dikeluarkan | persentase_surat_miskin | Potensi desa BPS 2021 | persen | mean |
| Jumlah lembaga kemasyarakatan desa | jumlah_lemkemdes | Potensi desa BPS 2021 | jumlah | mean |
| Sinyal internet telepon seluler handphone di sebagian besar wilayah di desa kelurahan: | jenis_sinyal_internet | Potensi desa BPS 2021 | kategori | mode |
| Jumlah IMKM | jumlah_imk | Potensi desa BPS 2021 | jumlah | mean |
| Total Bank | jumlah_bank | Potensi desa BPS 2021 | jumlah | mean |
| Total Koperasi | jumlah_koperasi | Potensi desa BPS 2021 | jumlah | mean |
| Sumber penghasilan utama sebagian besar penduduk desa/kelurahan | jenis_penghasilan_utama | Potensi desa BPS 2021 | kategori | mode |
| Jenis komoditi utama sun sektor utama sebagian besar penduduk desa/kelurahan | jenis_komoditi_unggulan | Potensi desa BPS 2021 | kategori | mode |
| Persentase Keluarga yang tinggal di pemukiman kumuh | persentase_kk_pem_kumuh | Potensi desa BPS 2021 | persen | mean |
| Sumber air untuk minum sebagian besar keluarga | jenis_air_minum | Potensi desa BPS 2021 | kategori | mode |
| Sumber air untuk mandi cuci sebagian besar keluarga | jenis_air_mandi_cuci | Potensi desa BPS 2021 | kategori | mode |
| Kebiasaan masyarakat membakar ladang kebun di desa kelurahan untuk proses usaha pertanian selama setahun terakhir | ada_bakar_lahan | Potensi desa BPS 2021 | kategori | mode |
| Kejadian pencemaran air, udara, atau tanah | ada_pencemaran | Potensi desa BPS 2021 | kategori | mode |
| annual mean temp | rerata_temperatur | WORLDCLIM 2.1 | derajat C | mean |
| temp change | perubahan_temperatur | WORLDCLIM 2.1 | derajat C | mean |
| annual mean prec | rerata_hujan | WORLDCLIM 2.1 | mm/tahun | mean |
| prec change | rerata_perubahan_hujan | WORLDCLIM 2.1 | mm/tahun | mean |
| Village population | jumlah_populasi | Kemendes 2024 | jiwa | mean |
| population density | kepadatan_populasi | Kemendes 2024 | jiwa/hektar | mean |
| Poverty rate | derajat_kemiskinan | IDM | % | mean |
| Distance to mining area | jarak_area_tambang | BIG | m | median |
| Penduduk pekerjaan bergantung SDA | pencaharian_berbasis_sda | Kemendes 2024 | jumlah | mean |
| a. Terjadi pencemaran air di Desa | kejadian_cemar_air | Kemendes 2024 | kategori | mode |
| b. Terjadi pencemaran tanah di Desa | kejadian_cemar_tanah | Kemendes 2024 | kategori | mode |
| c. Terjadi pencemaran udara di Desa | kejadian_cemar_udara | Kemendes 2024 | kategori | mode |
| Dampak pencemaran lingkungan | dampak_cemar | Kemendes 2024 | kategori | mode |
| Terdapat sungai yang terkena pembuangan limbah | kejadian_limbah_di_sungai | Kemendes 2024 | kategori | mode |
| a. Frekuensi Kejadian Bencana Tanah Longsor | kejadian_tanah_longsor | Kemendes 2024 | kategori | mode |
| b. Frekuensi Kejadian Bencana Banjir | kejadian_banjir | Kemendes 2024 | kategori | mode |
| c. Frekuensi Kejadian Bencana Gempa Bumi | kejadian_gempa | Kemendes 2024 | kategori | mode |
| d. Frekuensi Kejadian Bencana Tsunami | kejadian_tsunami | Kemendes 2024 | kategori | mode |
| e. Frekuensi Kejadian Bencana Gelombang Pasang Laut | kejadian_gelombang_pasang | Kemendes 2024 | kategori | mode |
| f. Frekuensi Kejadian Bencana Angin Puyuh / Puting Beliung / Topan | kejadain_angin_puyuh | Kemendes 2024 | kategori | mode |
| g. Frekuensi Kejadian Bencana Gunung Meletus | kejadian_gunung_meletus | Kemendes 2024 | kategori | mode |
| h. Frekuensi Kejadian Bencana Kebakaran Hutan | kejadian_kebakaran_hutan | Kemendes 2024 | kategori | mode |
| i. Frekuensi Kejadian Bencana Kekeringan Lahan | kejadian_kekeringan_lahan | Kemendes 2024 | kategori | mode |
| j. Frekuensi Kejadian Bencana Lainnya | kejadian_bencana_lain | Kemendes 2024 | kategori | mode |
| a. Terdapat Fasilitas Mitigasi Bencana Alam di Desa Berupa Peringatan Dini Bencana | ada_sistem_prngtn_dini_bencana | Kemendes 2024 | kategori | mode |
| b. Terdapat Fasilitas Mitigasi Bencana Alam di Desa Berupa Sistem Peringatan Dini Khusus Tsunami | ada_sistem_prngtn_dini_tsunami | Kemendes 2024 | kategori | mode |
| c. Terdapat Fasilitas Mitigasi Bencana Alam di Desa Berupa Perlengkapan Keselamatan | ada_perlengkapan_keselamatan | Kemendes 2024 | kategori | mode |
| d. Terdapat Fasilitas Mitigasi Bencana Alam di Desa Berupa Jalur Evakuasi | ada_jalur_evakuasi | Kemendes 2024 | kategori | mode |
| kejadian_cemar_udara | NA | NA | NA | NA |
| Farm holdings smaller than 2 ha (%) | NA | BPS | % | NA |
| Mean yield of major crops (kg ha−1) | NA | BPS | kg ha−1 | NA |
| Climate driven changes in major crop suitability | NA | ECOCROP | % change | NA |
| keberadaan sungai di desa/kelurahan | NA | Potensi desa BPS 2020 | kategori | NA |
| Kejadian tanah longsor | NA | Potensi desa BPS 2019 | kategori | NA |
| Banyak kejadian tanah longsor 2019 (Januari-April) | NA | Potensi desa BPS 2019 | events/year | NA |
| Korban jiwa tanah longsor 2019 (Januari-April) | NA | Potensi desa BPS 2019 | people/year | NA |
| Sistem peringatan dini khusus tsunami | NA | Potensi desa BPS 2019 | kategori | NA |
| Unemployment rate (%) | NA | BPS | % | NA |
| Erosion risk (t ha−1 yr−1) | NA | RUSLE | t ha−1 yr−1 | NA |
[DRAFT] Tipologi Perdesaan Provinsi Sumatera Selatan Dalam Lingkup Kerentanan Iklim pada Penghidupan Berbasis Lahan
1 Pendahuluan
Penghidupan berbasis lahan kini makin rentan terhadap perubahan iklim, tetapi informasi mengenai potensi resiko dan kebutuhan adaptasi mereka masih sangat terbatas. Draft dokumen ini disusun untuk mengisi kekosongan ini dengan mengevaluasi berbagai jenis kerentanan yang mempengaruhi mata pencaharian berbasis pertanian di tingkat provinsi. Pada kajian ini, dilakukan penilaian kerentanan untuk mengidentifikasi risiko serta penyebabnya, dan potensi adaptasi, dengan fokus pada peningkatan taraf hidup, keberlanjutan produksi komoditas-komoditas kunci, dan pengelolaan lahan secara menyeluruh. Mengingat tingginya keanekaragaman lanskap di Provinsi Sumatera Selatan, kajian ini memfokuskan perhatian pada desa-desa dengan fitur biofisik dan sosial-ekonomi yang mirip. Ini membantu kami mempermudah tugas dalam mengidentifikasi risiko yang identik antar desa. Kajian ini mendefinisikan area-area homogen ini, atau ‘tipologi,’ dengan menggunakan pengelompokan K-means. Pengelompokan ini didasarkan pada komposit dari indikator biofisik dan sosial-ekonomi. Untuk mempermudah proses pengelompokan, kami menggunakan analisis PCA untuk menyederhanakan dimensi data.
- Analisis ini bertujuan untuk mengidentifikasi ‘tipologi’ desa-desa, yang memiliki karakter sosial-ekonomi dan lingkungan yang mirip di Provinsi Sumatera Selatan, dengan menggunakan pengelompokan K-means pada data yang disederhanakan oleh PCA.
- Tipologi tersebut kemudian digunakan untuk mendeskripsikan konteks kerentanan penghidupan berbasis pertanian akibat perubahan iklim di Provinsi Sumatera Selatan dan potensi intervensi untuk meningkatkan ketahanan terhadap perubahan iklim
2 Deskripsi wilayah & Metodologi
Sumatera Selatan beribukota di Kota Palembang yang merupakan dataran rendah dengan ketinggian rata-rata kurang lebih 8 meter diatas permukaan laut. Provinsi ini terletak pada posisi 1’-4’ Lintang Selatan dan antara 102’-106’ Bujur Timur. Luas wilayah Sumatera Selatan, adalah berupa daratan seluas 86.771,68 km2 . Wilayah administrasi Provinsi Sumatera Selatan terdiri dari 13 wilayah kabupaten dan empat kota. Kabupaten/Kota yang memiliki wilayah paling luas adalah Kabupaten Ogan Komering Ilir yaitu sekitar 17.071,33 km2. Sedangkan yang memiliki luas paling kecil adalah Kota Palembang dengan luas wilayah 352,51 km2. Wilayah Provinsi Sumatera Selatan bagian utara berbatasan dengan Provinsi Jambi, bagian timur berbatasan dengan Provinsi BangkaBelitung, bagian selatan berbatasan dengan Provinsi Lampung, dan bagian barat berbatasan dengan Provinsi Bengkulu. Berdasarkan data yang diperoleh dari BMKG, selama tahun 2023 suhu rata-rata di seluruh wilayah Provinsi Sumatera Selatan adalah 30,2ºC, jumlah curah hujan setinggi 2.218,9 mm dan jumlah hari hujan sebanyak 199 hari. Penduduk Provinsi Sumatera Selatan tahun 2023 berdasarkan Hasil Proyeksi Penduduk Indonesia 2020–2050 Hasil Sensus Penduduk 2020 sebanyak 8,74 juta jiwa yang terdiri atas 4,45 juta jiwa penduduk laki-laki dan 4,29 juta jiwa penduduk perempuan. Dibandingkan dengan jumlah penduduk tahun 2020, penduduk Provinsi Sumatera Selatan mengalami pertumbuhan sebesar 1,21 persen. Sementara itu besarnya angka rasio jenis kelamin tahun 2023 penduduk laki-laki terhadap penduduk perempuan sebesar 103,83. Kepadatan penduduk di Provinsi Sumatera Selatan tahun 2023 mencapai 100,76 jiwa/km2 . Kepadatan Penduduk di 17 kabupaten/kota cukup beragam dengan kepadatan penduduk tertinggi terletak di kota Palembang dengan kepadatan sebesar 4.840,63 jiwa/km2 dan terendah di Kabupaten Musi Rawas Utara sebesar 33 jiwa/km2. Di tahun 2023, luas panen padi mencapai 502,16 ribu ha dengan total produksi mencapai 2,76 juta ton GKG dan produktivitas 55,00 ku/ha. Sementara itu, produksi tanaman palawija pada tahun 2023 masingmasing adalah 826,84 ribu ton jagung dan 48,79 ton kedelai. Data Dinas Kehutanan Provinsi Sumatera Selatan memperlihatkan bahwa hutan di Sumatera Selatan luasnya mencapai 3.385,01 ribu ha, yang terdiri dari hutan lindung seluas 566,62 ribu ha, konservasi seluas 511,97 ribu ha, suaka alam dan pelestarian alam seluas 256,23 ribu ha, dan hutan produksi seluas 2.050,22 ribu ha. Produk Domestik Regional Bruto (PDRB) adalah indikator utama untuk mengukur perkembangan perekonomian di suatu wilayah. Selama lima tahun terakhir, PDRB Sumsel atas dasar harga berlaku terus mengalami peningkatan. Pada tahun 2019 nilai yang terbentuk sebesar 453,40 triliun rupiah dan terus tumbuh hingga pada tahun 2023, nilainya menjadi sebesar 629,10 triliun rupiah atau naik sekitar 38,75 persen. Terdapat tiga lapangan usaha yang memberikan peranan cukup besar terhadap PDRB. Pada tahun 2023, tiga lapangan usaha yang memberikan peranan terbesar adalah pertambangan dan penggalian, diikuti oleh Industri Pengolahan kemudian Pertanian, Kehutanan, dan Perikanan. Pada tahun 2023 peranan masingmasing lapangan usaha di atas secara berurutan adalah 26,61 persen, 17,84 persen, dan 13,10 persen. Secara umum, laju perekonomian Sumatera Selatan pada tahun 2023 mengalami penurunan, yaitu dari 5,23 persen pada tahun 2022 menjadi 5,08 persen pada tahun 2023. Jika dibandingkan dengan provinsi lain untuk wilayah Sumatera bagian Selatan, Provinsi Sumatera Selatan memiliki jumlah penduduk miskin terbesar yaitu 1,04 juta jiwa pada tahun 2023. Angka ini masih jauh lebih tinggi bila dibandingkan dengan Provinsi Kepulauan Bangka Belitung yang memiliki jumlah penduduk miskin 0,068 juta jiwa. (BPS. Provinsi Sumatera Selatan Dalam Angka Tahun 2024).
Unit analisis terkecil: Desa
| Intisari Analisis Komponen Utama (PCA) | |||
|---|---|---|---|
| Tingkat Kepentingan Komponen | |||
| Komponen | Standar Deviasi | Proporsi Variansi | Proporsi Kumulatif |
| PC1 | 2.8355 | 0.1411 | 0.1411 |
| PC2 | 2.1857 | 0.0838 | 0.2249 |
| PC3 | 1.8287 | 0.0587 | 0.2835 |
| PC4 | 1.6642 | 0.0486 | 0.3321 |
| PC5 | 1.5192 | 0.0405 | 0.3726 |
| PC6 | 1.3886 | 0.0338 | 0.4064 |
| PC7 | 1.3118 | 0.0302 | 0.4366 |
| PC8 | 1.2829 | 0.0289 | 0.4655 |
| PC9 | 1.2366 | 0.0268 | 0.4923 |
| PC10 | 1.2021 | 0.0254 | 0.5177 |
| PC11 | 1.1820 | 0.0245 | 0.5422 |
| PC12 | 1.1290 | 0.0224 | 0.5646 |
2.0.1 Interpretasi Komponen Utama (PCs)
PC1: Predominan Bahaya Longsor, Tutupan Hutan, Topografi dan Demografi

PC2: Predominan Bahaya Hidrologis dan Ketersediaan Air Permukaan

PC3: Predominan Aksesibilitas terhadap air dan luas Kecamatan

PC4: Predominan karakteristik iklim

PC5: Predominan Aktivitas perubahan tutupan hutan dan fasilitas publik

2.0.2 Evaluasi Hasil Analisis Komponen Utama

Grafik Eigenvalue (atas) menunjukkan nilai eigen untuk setiap komponen utama (PC), di mana PC1 memiliki nilai tertinggi sekitar 8 dan nilai semakin menurun untuk PC berikutnya. Garis merah pada nilai 1 menandakan batas minimum nilai eigen yang biasanya digunakan sebagai acuan pemilihan komponen yang penting.
Grafik CVE (Cumulative Variance Explained, kiri bawah) menunjukkan total variasi data yang dapat dijelaskan secara kumulatif, di mana dengan 20 PC pertama dapat menjelaskan sekitar 65% variasi data. PVE (Proportion of Variance Explained, kiri bawah) memperlihatkan kontribusi masing-masing PC, dengan PC1 menjelaskan sekitar 15% variasi data.
Grafik scree memperlihatkan penurunan proporsi variansi (PVE) dari setiap komponen utama. Titik ‘siku’ dari sebuah grafik scree adalah titik di mana menambahkan penambahan jumlah kluster tidak banyak memberikan tambahan informasi baru. Hal tersebut dapat terlihat penurunan tajam dari PC1 hingga PC5 dan kemudian mulai mendatar. Bentuk kurva ini membantu kita menentukan berapa banyak komponen yang sebaiknya dipertahankan dalam analisis.
2.0.3 Diagram pencar 3D tipologi desa-desa di Provinsi Sumatera Selatan
- Sumbu x,y dan z dari diagram pencar merupakan tiga komponen utama teratas dari hasil PCA.
- PC1: Predominan Bahaya Longsor, Tutupan Hutan, Topografi dan Demografi
- PC2: Predominan Bahaya Hidrologis dan Ketersediaan Air Permukaan
- PC3: Predominan Aksesibilitas terhadap air dan luas Kecamatan
- Tiap-titiknya mewakili sebuah kecamatan di Provinsi Nusa Tenggara Timur
- Titik yang berwarna sama berarti tergolong dalam tipologi yang sama.
2.0.4 Validasi Klaster

Grafik Elbow Method (A) menunjukkan penurunan total variasi dalam kelompok seiring bertambahnya jumlah kelompok (k). Titik siku (elbow) menandakan penambahan jumlah kluster tidak banyak memberikan tambahan informasi baru.
Grafik Silhouette Method (B) mengukur seberapa baik setiap objek cocok dengan kelompoknya sendiri dibandingkan dengan kelompok lain.
Grafik Gap Statistic (C) membandingkan pengelompokan data asli dengan data acak. Semakin tinggi nilai gap statistic, semakin baik kualitas pengelompokan yang dihasilkan.
3 Hasil & Interpretasi Sementara (Draft)
Tipologi Kerentanan Terhadap Perubahan Iklim pada Penghidupan Berbasis Pertanian di Provinsi Sumatera Selatan